公开(公告)号：CN101794577A

公开(公告)日：2010-08-04

申请号：CN201010108535.2

申请日：2010-01-29

Applicant: 株式会社NTT都科摩

Inventor： 张志鹏 ,  古川博崇

IPC: G10L15/28

CPC classification number: H04M3/42153 ,  G10L15/183 ,  G10L15/30 ,  G10L2015/228 ,  H04M2201/40 ,  H04M2201/405 ,  H04M2250/66

Abstract: 本发明提供声音识别服务器、电话机、声音识别系统以及声音识别方法。声音识别服务器(200)具备：声音接收部(202)，其接收来自电话机(100)的声音；模型存储部(208)，其存储用于将声音接收部(202)所接收的声音转换为字符的一个以上的声学模型以及一个以上的语言模型；号码判定部(204)，其判定电话机(100)的当前呼出号码以及其它号码；模型选择部(206)，其根据当前呼出号码以及其它号码选择模型存储部(208)中存储的声学模型，且根据当前呼出号码选择模型存储部(208)中存储的语言模型；和声音识别部(210)，其根据模型选择部(206)所选择的声学模型以及语言模型，将声音接收部(202)所接收的声音转换为字符。

公开(公告)号：CN101547261A

公开(公告)日：2009-09-30

申请号：CN200810190522.7

申请日：2008-12-30

Applicant: 富士通株式会社

Inventor： 鹫尾信之

IPC: H04M3/42 ,  H04M1/64

CPC classification number: H04M3/4936 ,  G10L15/26 ,  G10L17/00 ,  H04M2201/405

Abstract: 本发明提供在基于各个通话的多个语音数据内，将要件相连续的语音数据关联成为一连串的语音数据的关联赋予装置、关联赋予方法和记录介质。关联赋予装置根据针对所选择的语音数据的语音识别处理的结果，导出各语音数据之间所共用的、且与要件内容有关的要件语句的出现率的数值，作为要件相似度(S102)。并且，关联赋予装置导出表示从多个语音数据中提取出的语音的特征的比较结果的相似度，作为说话者相似度(S103)。然后，关联赋予装置根据要件相似度和说话者相似度，导出表示所选择的多个语音数据相关联的可能性的关联度(S104)，并在关联度为预先设定的阈值以上的情况下，将所选择的多个语音数据关联起来(S105)。

公开(公告)号：CN101351818A

公开(公告)日：2009-01-21

申请号：CN200680049850.4

申请日：2006-12-29

Applicant: 微软公司

Inventor： D·A·豪威尔 ,  S·桑德拉拉曼 ,  D·T·方 ,  F·塞德

IPC: G06Q10/00 ,  G06F17/00

CPC classification number: H04M3/5307 ,  H04M2201/405 ,  H04M2201/60 ,  H04M2203/253 ,  H04M2203/4509

Abstract: 提供用于转写通过统一消息传达系统发送的语音邮件的音频文件的经改进的系统和方法。创建并使用专用于语音邮件接收方的定制文法以便通过将该音频文件与接收方常用的词语、名称、简称以及短语作比较来转写所接收的语音邮件。从最终的文本转写中标识出关键元素以帮助接收方基于语音邮件中所包含的重要内容来处理所接收的语音邮件。

公开(公告)号：WO2018100743A1

公开(公告)日：2018-06-07

申请号：PCT/JP2016/085976

申请日：2016-12-02

Applicant: ヤマハ株式会社

Inventor： 須山　明彦 ,  田中　克明

IPC: G10L15/00 ,  G10L15/22

CPC classification number: G10L17/005 ,  G10L13/00 ,  G10L15/02 ,  G10L15/07 ,  G10L15/22 ,  G10L15/265 ,  G10L15/30 ,  G10L15/32 ,  G10L2015/223 ,  G10L2015/227 ,  G10L2015/228 ,  H04M2201/405

Abstract: 音声認識サーバを用いた機器制御を行う際に、ユーザが制御内容をすべて発話しなくても機器制御を行うことのできる制御装置（１０）を提供する。制御装置（１０）は、ユーザによる制御対象機器を制御するためのユーザ指示を取得するユーザ指示取得部（２１）と、ユーザ指示に応じて、制御対象機器に対する制御内容を示す音声情報であって、ユーザ指示とは異なる情報である補助音声情報を含む、制御音声情報を生成する制御音声情報生成部（２３）と、生成した制御音声情報を、音声認識処理を実行する音声認識サーバへ出力する制御音声情報出力部（２５）と、を含む。

公开(公告)号：EP3160115A4

公开(公告)日：2017-07-05

申请号：EP14895110

申请日：2014-08-13

Applicant: ZTE CORP

Inventor： JING WENTAO

IPC: H04M1/66 ,  G06F3/16 ,  G06K9/00 ,  G10L17/00 ,  H04M1/26 ,  H04M1/57 ,  H04W12/00 ,  H04W12/02

CPC classification number: H04M3/2281 ,  G06F3/16 ,  G06F3/167 ,  G06K9/00536 ,  G10L17/00 ,  G10L17/02 ,  G10L17/08 ,  H04M1/26 ,  H04M1/57 ,  H04M1/66 ,  H04M3/42059 ,  H04M2201/405 ,  H04W4/16 ,  H04W8/18 ,  H04W8/205 ,  H04W12/00 ,  H04W12/02 ,  H04W12/12

Abstract: The present invention discloses a method for identifying an identity, device and a communication terminal. The method includes that: a voiceprint feature of a current call object and a mobile phone number of the current call object are extracted; the identity of the current call object is identified according to the voiceprint feature and the mobile phone number. The present invention solves the problem in the related art that it is difficult to effectively identify the identity of a call object, thus providing a method for effectively identifying the identity of a current call object and technically reducing the probability of phone fraud on a user.

Abstract translation: 本发明公开了一种识别身份，设备和通信终端的方法。 该方法包括：提取当前通话对象的声纹特征和当前通话对象的手机号码; 根据声纹特征和手机号码识别当前通话对象的身份。 本发明解决了现有技术中难以有效识别呼叫对象身份的问题，从而提供了一种有效识别当前呼叫对象身份，从技术上降低用户电话欺诈概率的方法。

公开(公告)号：EP0636294A4

公开(公告)日：1997-01-29

申请号：EP93910598

申请日：1993-04-13

Applicant: VCS IND INC D B A VOICE CONTRO

Inventor： BAREIS BERNARD F ,  FOSTER PETER J ,  SCHALK THOMAS B

IPC: H04B7/185 ,  H04M3/42 ,  H04M3/493 ,  H04M11/10 ,  H04W4/00 ,  H04W4/18 ,  H04W88/18 ,  H04M11/00 ,  H04B1/00 ,  H04Q7/00

CPC classification number: H04W4/18 ,  H04B7/18567 ,  H04M3/42204 ,  H04M3/4936 ,  H04M11/10 ,  H04M2201/40 ,  H04M2201/405 ,  H04W4/00 ,  H04W88/18

Abstract: An advanced telecommunications system is provided for the recognizing of spoken commands over a cellular telephone (15), satellite telephone (14), or personal communications network (16). In the cellular application, for example, a Speech Recognition System (20) interconnects either internally with or as an external peripheral to a cellular telecommunications switch (12). The Speech Recognition System (20) includes an administrative subsystem (21), a call processing subsystem (23), a speaker-dependent recognition subsystem (25), a speaker-independent recognition subsystem (27), and a data storage subsystem (29). Pre-recorded instructional messages are stored in the memory of the call processing subsystem (23) for instructing a user on his or her progress in using the system. The speaker-independent recognition subsystem (27) allows the user to interact with the system employing non-user specific functions. User specific functions are controlled with the speaker-dependent recognition subsystem (25). User specific attributes collected by the recognition subsystems are stored in the data storage subsystem (29).

公开(公告)号：EP2219355A2

公开(公告)日：2010-08-18

申请号：EP10152046.8

申请日：2010-01-29

Applicant: NTT DoCoMo, Inc.

Inventor： Zhang, Zhipeng ,  Furukawa, Hirotaka

IPC: H04M3/42 ,  H04M1/725

CPC classification number: H04M3/42153 ,  G10L15/183 ,  G10L15/30 ,  G10L2015/228 ,  H04M2201/40 ,  H04M2201/405 ,  H04M2250/66

Abstract: A voice recognition server 200 has a voice reception unit 202 which receives a voice from a telephone equipment 100, a model storage unit 208 which stores at least one acoustic model and at least one language model used for converting the voice received by the voice reception unit 202, to character data, a number decision unit 204 which decides a current calling number and a second number of the telephone equipment 100, a model selection unit 206 which selects an acoustic model stored in the model storage unit 208, based on the current calling number and the second number, and which selects a language model stored in the model storage unit 208, based on the current calling number, and a voice recognition unit 210 which converts the voice received by the voice reception unit 202, to character data, based on the acoustic model and the language model selected by the model selection unit 206.

Abstract translation: 语音识别服务器200具有从电话设备100接收语音的语音接收单元202，存储至少一个声学模型的模型存储单元208和用于转换由语音接收单元接收的语音的至少一种语言模型 202，对于字符数据，确定当前主叫号码的号码决定单元204和电话设备100的第二号码，选择存储在模型存储单元208中的声学模型的模型选择单元206，基于当前呼叫 基于当前主叫号码选择存储在模型存储单元208中的语言模型的语音识别单元210和将由语音接收单元202接收的语音转换为基于字符数据的语音识别单元210 在由模型选择单元206选择的声学模型和语言模型上。

公开(公告)号：EP1061724A2

公开(公告)日：2000-12-20

申请号：EP00305012.7

申请日：2000-06-13

Applicant: CANON KABUSHIKI KAISHA

Inventor： Saito, Ichiro ,  Sugama, Sadayuki ,  Ishinaga, Hiroyuki ,  Imanaka, Yoshiyuki ,  Matsumoto, Nobuyuki ,  Taneya, Yoichi ,  Mochizuki, Muga

IPC: H04M3/56 ,  H04N7/15 ,  G10L15/26

CPC classification number: H04M3/56 ,  G10L15/26 ,  G10L17/00 ,  H04M3/42221 ,  H04M2201/38 ,  H04M2201/405

Abstract: The invention provides an apparatus for automatically preparing the minutes of a conference.
When the voices of statements of plural speakers are entered into voice input means 12 in a state in which the vocalization data are registered in vocalization memory means 11 for each identification data of the plural speakers, the speaker and content of statement are recognized according to the registered data. The recognized content of statements is edited, together with the identification data of the speakers, by record preparation means 14 into a predetermined form to provide minutes data, whereby the minutes data of the content of statements of the plural speakers can be automatically prepared, on real time basis, edited in a predetermined form.

公开(公告)号：WO2016172339A1

公开(公告)日：2016-10-27

申请号：PCT/US2016/028641

申请日：2016-04-21

Applicant: WOLD, Eric

Inventor： WOLD, Eric

IPC: G06F17/30 ,  G10L17/00 ,  H04M3/523

CPC classification number: H04M3/5141 ,  A61B5/167 ,  G06F17/30 ,  G06Q30/01 ,  G10L17/00 ,  H04M3/42221 ,  H04M3/5175 ,  H04M3/523 ,  H04M2201/405 ,  H04M2203/556 ,  H04W84/042 ,  H04W84/12

Abstract: Methods, systems, and devices for cross-linking events and persons using anonymized voice fingerprint identifiers (IDs) and call metadata are described. The method can include retrieving, form a centralized database, call metadata associated with a caller index ID. The method can include determining call metadata characteristics for the call metadata. The method can include matching the call metadata characteristics of the call metadata with characteristics associated with a personality type of a psychological behavioral model. The method can include generating a caller profile that comprises personality type information for the personality type. The method can include associating the caller profile with the caller index ID. The method can include storing the caller profile in an entry in the centralized database associated with the caller index ID.

Abstract translation: 描述了使用匿名语音指纹识别符（ID）和呼叫元数据交换事件和人员的方法，系统和设备。 该方法可以包括检索，形成集中式数据库，与呼叫者索引ID相关联的呼叫元数据。 该方法可以包括确定呼叫元数据的呼叫元数据特征。 该方法可以包括将呼叫元数据的呼叫元数据特征与与心理行为模型的个性类型相关联的特征匹配。 该方法可以包括生成包括个性类型的个性类型信息的呼叫者简档。 该方法可以包括将呼叫者简档与呼叫者索引ID相关联。 该方法可以包括将呼叫者简档存储在与呼叫者索引ID相关联的集中式数据库中的条目中。

公开(公告)号：WO2006137984A1

公开(公告)日：2006-12-28

申请号：PCT/US2006/016578

申请日：2006-05-01

Applicant: MOTOROLA, INC. ,  CHENG, Yan, Ming ,  MA, Changxue, C.

Inventor： CHENG, Yan, Ming ,  MA, Changxue, C.

IPC: G10L15/00 ,  G10L15/12

CPC classification number: H04M3/4936 ,  G10L15/12 ,  G10L2015/223 ,  H04M2201/405

Abstract: A method and apparatus for generating a voice tag (140) includes a means (110) for combining (205) a plurality of utterances (106, 107, 108) into a combined utterance (111) and a means (120) for extraction (210) of the voice tag as a sequence of phonemes having a high likelihood of representing the combined utterance, using a set of stored phonemes (115) and the combined utterance.

Abstract translation: 一种用于生成语音标签（140）的方法和装置包括：用于将多个话语（106,107,108）组合（205）到组合话语（111）和用于提取的装置（120）的装置（110） 210）作为具有表示组合发音的高可能性的音素序列，使用一组存储的音素（115）和组合的话语。